基于符號(hào)有向圖和支持向量機(jī)的故障診斷方法的研究.pdf

1、符號(hào)有向圖(Signed Dlrected Graph，SDG)是在圖論的基礎(chǔ)上發(fā)展起來(lái)的一種基于定性分析的故障診斷方法，能夠有效地表達(dá)復(fù)雜系統(tǒng)的各個(gè)變量之間的相互關(guān)系，具有很強(qiáng)的完備性同時(shí)又具有靈活的推理方式和有教的推理算法能夠提供故障傳播的路徑，給出故障發(fā)生的詳細(xì)解釋。然而由于SDG是基于定性的故障診斷方法，測(cè)量信號(hào)中許多有用的定量信息被忽略或無(wú)法被考慮，導(dǎo)致故障診斷分辨率不高。支持向量機(jī)(Suppon Vector Machine

2、，SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來(lái)的一種新的機(jī)器學(xué)習(xí)方法。采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化思想的svM同時(shí)考慮了經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信區(qū)間的最小，能夠獲得最好的泛化能力，是專門研究小樣本情況下機(jī)器學(xué)習(xí)的理論。其次，SVM巧妙地采用“核函數(shù)”
　　 將低維非線性空間映射到高維線性特征空間的同時(shí),并沒(méi)有增加求解最優(yōu)分類面的復(fù)雜度，解決了高維空間中計(jì)算帶來(lái)的“維數(shù)災(zāi)難”問(wèn)題。SVM以其深厚的數(shù)學(xué)基礎(chǔ)和極強(qiáng)的泛化能力，被認(rèn)為是十幾年米機(jī)器學(xué)習(xí)和模式識(shí)

3、別領(lǐng)域最有影響的成果之一。
　　 本文將SDG和SVM有機(jī)結(jié)合起來(lái)，利用SDG的完備性和推理機(jī)制,找到故障傳播的相容通路．提取故障發(fā)生時(shí)的主要相關(guān)變量：利用SVM優(yōu)良的分類性能對(duì)相關(guān)的主要變量進(jìn)行訓(xùn)練，根據(jù)訓(xùn)練獲得的最優(yōu)分類面進(jìn)行故障診斷。
　　 本文主要內(nèi)容包括兩大部分：一是基于“去心法”的支持向量預(yù)選取方法及其模式識(shí)別應(yīng)用二是基于SDG和SVM的故障診斷算法及其工程應(yīng)用，這部分是本文的核心部分。具體內(nèi)容包括以下幾部分

4、：
　　 (1)在深入研究支持向量機(jī)的理論基礎(chǔ)及工作原理的基礎(chǔ)上，提出了基于“去心法”(Central Sanmples Discarded Mettiod,CSDM)的支持向量預(yù)選取方法。
　　 支持向量是決定最優(yōu)超平面位置的關(guān)鍵元素，去掉非支持向量．重新對(duì)樣本進(jìn)行訓(xùn)練，能夠得到相同的最優(yōu)超平面?；谶@個(gè)思想．提出了利用標(biāo)準(zhǔn)差去掉各類樣本中靠近中心位置的樣本．保留邊界樣本的“去心法”，以此柬進(jìn)行支持向量的預(yù)選取，該方法

5、顯著提高了SVM的訓(xùn)練速度。和已有的支持向量預(yù)選取方法進(jìn)行對(duì)比，論證了該方法的可行性。
　　 (2)提出了一次相容通路的概念。一次相容通路足指故障發(fā)生初期的相容通路。當(dāng)故障發(fā)生時(shí)，系統(tǒng)狀態(tài)變量的響應(yīng)有3個(gè)階段：初始響應(yīng)、中間響應(yīng)和最終響應(yīng)。故障滲斷最主要的性能指標(biāo)之一是實(shí)時(shí)性，因此一次相容通路的獲取對(duì)故障診斷非常重要，可以解決故障發(fā)生的不同時(shí)期，其相容通路不同而導(dǎo)致的分辨率不高的問(wèn)題。一次相容通路是符號(hào)有向圖理論的一個(gè)擴(kuò)充。

6、r>　　 (3)提出了符號(hào)有向圖和支持向量機(jī)相結(jié)合的故障診斷方法。利用一次相容通路中的一次相容變量為基礎(chǔ)進(jìn)行SVM的訓(xùn)練，達(dá)到了降維的目的，提高訓(xùn)練和診斷速度；利用SVM優(yōu)良的分類性可以提高故障診斷的準(zhǔn)確率。以火電廠除氧器的故障診斷為例驗(yàn)證了該方法的可行性。
　　 (4)將基于符號(hào)有向圖和支持向量機(jī)的故障診斷方法應(yīng)用在TennesseeEastrnan Process(TEP)仿真系統(tǒng)的故障諺斷中。通過(guò)對(duì)TEP仿真系統(tǒng)的實(shí)驗(yàn)結(jié)

7、果分析，對(duì)該故障診斷方法的適用范圍進(jìn)行了探討。
　　 本文的創(chuàng)新性成果如下：
　　 (1)提出了基于“去心法”的支持向量預(yù)選取方法；
　　 (2)根據(jù)故障傳播的特點(diǎn)，提出了一次相容通路的概念；
　　 (3)本文將定性的SDG和定量的SVM有機(jī)結(jié)合起來(lái)，提出了一種基于SDG和SVM的故障診斷算法。
　　 (4)針對(duì)多故障診斷中特征故障的特點(diǎn)，提出了將基于“二叉樹(shù)”的多類分類算法與基于決策導(dǎo)向無(wú)環(huán)圖(